Interconnects：开源模型的两条未来路径与Nvidia的260亿美元赌注
来源Interconnects查看原文
速览
- Nvidia 投入 260 亿美元支持开源模型，旨在创造芯片需求，让智能不被垄断。
- 开源训练资本密集度极高，但构建竞争性模型的门槛比预期更持久地保持在可及范围内。
- 作者认为开源模型最可能的结果是转向效率、可修改性和专业化，填补长尾生态。
- 训练流程日益复杂和抽象化，基础模型训练正变得不透明，降低了对开源训练的投资兴趣。
- 开源模型构建者正通过收入分成许可证探索商业化，以维持近前沿模型的资金可持续性。
- Meta 等拥有庞大资产负债表的公司通过开放权重策略，间接变现 AI，冲击 Anthropic 和 OpenAI 的 token 销售。
- Nvidia 想教会所有人「钓鱼」以获取 token，而 Meta 则战略性地「淹没」token 市场。
- 开放权重模型发布仍是强大的商业策略，因为开放智能访问权限具有巨大吸引力。
Interconnects 作者 Nathan Lambert 撰文分析开源模型生态的经济可持续性。文章指出，Nvidia 正投入 260 亿美元支持近乎开源的 Nemotron 系列模型，目的是让更多公司能自建「token 机器」，从而拉动其芯片需求。但开源训练面临资本密集度上升、训练流程日益复杂和抽象化的挑战。作者认为存在两种未来：一是 Nvidia 的投入形成正向经济循环，开源生态持续繁荣；二是开源模型与闭源前沿模型分叉，转向效率、可修改性和专业化，填补长尾市场。作者判断第二种路径更可能发生，并指出开源模型构建者正通过收入分成许可证等方式探索商业化，以维持近前沿开源权重模型的资金可持续性。
关键事实
- Nvidia 据报道正投入 260 亿美元用于支持近乎开源的模型开发，其 Nemotron 系列发布了所有法律允许公开的数据和训练代码。
- 作者将开源语言模型（含完整训练配方、数据、代码）类比为开源操作系统，而开放权重模型（仅权重和推理代码）类比为安装在项目中的特定软件版本。
- 许多公司仍在使用基于 Llama 3 构建的工作流，尽管 agentic 行为在数年之后才兴起。
- 作者参与构建的 Olmo 模型及其前身 EleutherAI 的 Pythia，代表了现代开源训练配方的典型。
- Databricks 和 01.ai 等公司退出训练领域，作者认为这些是异常现象，而非普遍趋势。
- 当前开放模型生态受到后训练开放模型兴趣激增的支撑，用户使用 DeepSeek V4 Flash、Inkling Small、GLM 5.X 等模型在 Tinker 等平台上针对特定 agentic 任务进行微调。
本站视角
这篇文章对中文 AI 从业者具有重要参考价值。首先，它直接关系到国内做开源模型和 Agent 的团队：如果 Nvidia 的 260 亿美元投入无法形成正向经济循环，开源模型的资金链可能收紧，依赖开源权重进行微调和产品化的团队将面临模型更新放缓、许可证限制增多的风险。其次，作者判断开源模型将转向长尾生态，专注于效率、可修改性和专业化，这意味着国内企业在企业级私有数据 agent、重复性业务任务等长尾场景仍有较大空间，但在知识工作协作、药物发现、软件工程等高价值领域，闭源模型可能保持垄断。第三，收入分成许可证的试验值得密切关注，Kimi K3 和 Qwen3.8-2.4T-A95B 的许可证模式如果成功，可能成为开源模型商业化的标准路径；如果失败，近前沿开源权重模型的供给可能减少。需要指出的是，文章的部分数据（如 Nvidia 260 亿美元投入）来自单一来源报道，且作者对开源模型未来的判断带有一定主观性，其「最可能结果」的结论需要更多证据支持。此外，Meta 发布 Muse Spark 1.2 开放权重的消息来自 Reddit 帖子，尚未得到官方确认，读者应保持谨慎。总体而言，这篇文章提醒我们，开源模型的繁荣并非理所当然，其背后是复杂的资本和商业博弈，中文开发者和企业应提前规划模型依赖策略，避免单一生态风险。
背景与影响
开源模型与开源软件（如 Linux）的类比长期存在，但作者指出，真正的开源语言模型需要完整的训练配方、数据和代码，而开放权重模型仅提供权重和推理代码，更接近特定软件版本。Nvidia 的 Nemotron 系列是近乎开源的典型，发布所有法律允许的数据和训练代码，其战略意图是让更多公司能够构建自己的 token 机器，从而推动对 Nvidia 芯片的庞大需求。然而，开源 AI 的未来面临挑战：构建最佳模型极其资本密集，训练流程日益复杂和抽象化，基础模型训练正变得像几年前的大规模预训练一样不透明。作者认为，开源生态将越来越依赖 Nvidia 的融资，这是一个存在性窗口——如果几年内这种方法的利润不能回报给 Nvidia，或者没有其他开源模型公司能培养出平台式的财务反馈循环，开源模型将走向与领先闭源模型不同的发展路径。后训练开放模型的兴趣激增支撑了当前生态，但训练整个模型的兴趣下降，导致对开源 AI 的投资兴趣减少。开源模型构建者正在试验收入分成许可证，以保持资金可持续性。Meta 等公司通过开放权重策略间接变现 AI，可能严重抑制 Anthropic 和 OpenAI 的营收增长。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
